虚拟电厂运行调度方法及装置、终端、存储介质

技术领域

本申请涉及电力技术领域，尤其涉及一种虚拟电厂运行调度方法及装置、终端、存储介质。

背景技术

为解决化石能源紧缺和化石燃料燃烧带来的环境污染问题，清洁可再生能源得到了越来越广泛的应用。虚拟电厂通过调度方案控制各可控负荷的调度，实现资源分配。目前，基于虚拟电厂庞大的运行数据，确定虚拟电厂调度方案的方法普遍存在调度方案求解计算量大，计算不准确的问题，影响节能减排的效果，因此，亟需一种能够减少计算量、提高节能减排效果的方法。

发明内容

本申请实施例提供了一种虚拟电厂运行调度方法及装置、终端、存储介质，以解决现有技术中确定虚拟电厂运行时的调度方案计算量较大、节能减排的效果较差的问题。

第一方面，本申请实施例提供了一种虚拟电厂运行调度方法，包括：

根据虚拟电厂的历史数据，确定预测日对应的相似日；

获取虚拟电厂各设备的单位发电成本和单位碳排放量以及预先建立的虚拟电厂运行调度模型；其中，所述虚拟电厂运行调度模型用于根据其输入参数确定虚拟电厂各可控负荷的调度方案；

获取虚拟电厂运行调度模型在相似日的解，将所述在相似日的解作为虚拟电厂运行调度模型在预测日的初始解；

基于所述初始解对所述虚拟电厂运行调度模型进行寻优，得到预测日内虚拟电厂各可控负荷的调度方案。

在一种可能的实现方式中，所述基于所述初始解对所述虚拟电厂运行调度模型进行寻优，得到预测日内虚拟电厂各可控负荷的调度方案，包括：

S1：对所述初始解进行微调得到种群数量为N-1的种群R

S2：初始化迭代次数：t＝1；

S3：根据映射关系构建适应度函数，预先设置适应度阈值；

S4：计算父代种群个体的适应度，将父代种群的个体按照适应度大小进行排序；

S5：判断父代种群中是否至少存在一个个体的适应度大于预设的适应度阈值，若父代种群中至少存在一个个体的适应度大于预设的适应度阈值，则输出最优解，所述最优解为适应度最大值对应的虚拟电厂各可控负荷的调度方案；

若父代种群中个体的适应度都不大于预设的适应度阈值，则迭代次数加1；判断迭代次数是否大于预设的迭代次数，若迭代次数大于预设的迭代次数，则将父代种群中适应度最大的个体作为最优解输出，若迭代次数不大于预设的迭代次数，则执行S6；

S6：对父代种群进行选择、交叉、变异得到新的数量为N的子代种群，计算子代种群个体的适应度并排序，将子代种群中适应度大的个体替换父代种群中适应度小的个体，将替换后新生成的种群作为父代种群，重复执行S4-S6。

在一种可能的实现方式中，所述虚拟电厂运行调度模型的建立方法，包括：

获取目标区域内虚拟电厂的碳排放配额；

以运行成本最低为目标，构建第一目标函数；

以碳排放量最小为目标，构建第二目标函数；

基于所述目标区域内虚拟电厂的碳排放配额、所述虚拟电厂各设备的单位发电成本和单位碳排放量，确定所述虚拟电厂运行调度模型的约束条件；

基于所述第一目标函数、所述第二目标函数和所述约束条件，建立所述虚拟电厂运行调度模型。

在一种可能的实现方式中，所述第一目标函数为：

f

其中，f

所述第二目标函数为：

f

其中，f

在一种可能的实现方式中，所述单位碳排放量的确定方法，包括：

获取虚拟电厂各设备的历史数据；

对各设备的历史数据进行分析，得到各类能源的发电机组的历史能源消耗量和历史发电量、各种储能设备的历史电量消耗量和历史放电量，以及各种用电设备的历史电量消耗量；

对各类能源的发电机组的历史能源消耗量进行碳含量核算，得到发电机组的历史碳排放量；基于发电机组的历史碳排放量和历史发电量，确定发电机组的单位碳排放量；

对各种储能设备的历史电量消耗量进行碳含量核算，得到储能设备的历史碳排放量；基于储能设备的历史碳排放量和历史放电量，确定储能设备的单位碳排放量；

对各种用电设备的历史电量消耗量进行碳含量核算，得到用电设备的历史碳排放量；基于用电设备的历史碳排放量和历史电量消耗量，确定用电设备的单位碳排放量。

在一种可能的实现方式中，所述根据虚拟电厂的历史数据，确定预测日对应的相似日，包括：

获取历史日内用电量的各影响因素和各影响因素值；

根据所述各影响因素值的波动性和相关性计算各影响因素的影响权重；

获取预测日的各影响因素值；

根据所述预测日的各影响因素值、所述影响权重、所述历史日内用电量的各影响因素值确定预测日对应的相似日；

所述各影响因素包括：气象因素和非气象因素。

在一种可能的实现方式中，所述基于所述目标区域内虚拟电厂的碳排放配额、所述虚拟电厂各设备的单位发电成本和单位碳排放量，确定所述虚拟电厂运行调度模型的约束条件，包括：

根据所述碳排放配额建立碳排放配额约束条件：f

根据所述碳排放量计算温室气体浓度建立浓度约束条件：y

根据发电机组的发电量、储能设备的放电量、主网的购电量和用电设备的用电量建立电量约束条件：P

其中，f

其中所述虚拟电厂运行调度模型的约束条件，还包括：虚拟电厂运行约束数据。

第二方面，本申请实施例提供了一种虚拟电厂运行调度装置，包括：

相似日确定模块，用于根据虚拟电厂的历史数据，确定预测日对应的相似日；

模型建立模块，用于获取虚拟电厂各设备的单位发电成本和单位碳排放量以及预先建立的虚拟电厂运行调度模型；其中，所述虚拟电厂运行调度模型用于根据其输入参数确定虚拟电厂各可控负荷的调度方案；

初始解确定模块，用于获取虚拟电厂运行调度模型在相似日的解，将所述在相似日的解作为虚拟电厂运行调度模型在预测日的初始解；

调度方案确定模块，用于基于所述初始解对所述虚拟电厂运行调度模型进行寻优，得到预测日内虚拟电厂各可控负荷的调度方案。

第三方面，本申请实施例提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。

本申请实施例提供的虚拟电厂运行调度方法及装置、终端、存储介质的有益效果在于：

本申请通过计算各设备的单位碳排放量和单位发电成本可以获得更加准确的虚拟电厂运行调度模型。本申请根据虚拟电厂的历史数据，确定预测日对应的相似日，并且将虚拟电厂运行调度模型在相似日的解作为模型在预测日的初始解，基于初始解进行寻优，得到预测日内虚拟电厂各可控负荷的调度方案，寻优过程中计算量减少，得到的调度方案准确度更高，适用性更强，节能减排的效果更好。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的虚拟电厂运行调度方法的流程示意图；

图2是本申请实施例提供的虚拟电厂运行调度装置的结构示意图；

图3是本申请实施例提供的虚拟电厂运行调度终端的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。

图1为本申请实施例提供的虚拟电厂运行调度方法的流程示意图。如图1所示，该方法包括：

步骤101：根据虚拟电厂的历史数据，确定预测日对应的相似日。

在本实施例中，虚拟电厂的历史数据包括碳排放配额周期内历史日用电量的各影响因素和各影响因素值。通过计算预测日内各影响因素和历史日内各影响因素的相似度确定预测日对应的相似日，在相似日的确定过程中，考虑到各影响因素的影响权重，可以提高相似日确定的准确度。

步骤102：获取虚拟电厂各设备的单位发电成本和单位碳排放量以及预先建立的虚拟电厂运行调度模型。其中，虚拟电厂运行调度模型用于根据其输入参数确定虚拟电厂各可控负荷的调度方案。

在本实施例中，根据虚拟电厂的历史数据，获取虚拟电厂各设备的单位发电成本和单位碳排放量。根据虚拟电厂各设备的单位发电成本和单位碳排放量，建立以运行成本最低和以碳排放量最小为目标的虚拟电厂运行调度模型。其中，输入参数包括：碳排放配额、实时电价、用电设备的用电需求、虚拟电厂装机数据等。虚拟电厂装机数据包括发电机组的装机容量，用电设备的装机容量和储能设备的装机容量。

本实施例同时考虑到发电成本和碳排放量，可以同时实现降低成本和碳减排的目标。

步骤103：获取虚拟电厂运行调度模型在相似日的解，将在相似日的解作为虚拟电厂运行调度模型在预测日的初始解。

在本实施例中，虚拟电厂运行调度模型在相似日的解对应相似日内虚拟电厂各可控负荷的运行调度方案。本实施例中将模型在相似日的解作为虚拟电厂运行调度模型在预测日的初始解，可以保证调度方案的准确度和适用性，也可以减少虚拟电厂运行调度模型的计算量。

步骤104：基于初始解对虚拟电厂运行调度模型进行寻优，得到预测日内虚拟电厂各可控负荷的调度方案。

在本实施例中，考虑到虚拟电厂进行能源调度时，控制装置具有种类多，数量大的特点，因此，本实施例考虑将虚拟电厂运行调度模型在相似日的解，作为初始解对虚拟电厂运行调度模型进行寻优，可以减少寻优过程中的迭代次数，通过减少寻优过程中的迭代次数，减少模型的计算量。

本申请通过计算各设备的单位碳排放量和单位发电成本可以获得更加准确的虚拟电厂运行调度模型。本申请根据虚拟电厂的历史数据，确定预测日对应的相似日，并且将虚拟电厂运行调度模型在相似日的解作为模型在预测日的初始解，基于初始解进行寻优，得到预测日内虚拟电厂各可控负荷的调度方案，寻优过程中计算量减少，得到的调度方案准确度更高，适用性更强，节能减排的效果更好。

在一种可能的实现方式中，基于初始解对虚拟电厂运行调度模型进行寻优，得到预测日内虚拟电厂各可控负荷的调度方案，包括：

S1：对初始解进行微调得到种群数量为N-1的种群R

S2：初始化迭代次数：t＝1。

S3：根据映射关系构建适应度函数，预先设置适应度阈值。

S4：计算父代种群个体的适应度，将父代种群的个体按照适应度大小进行排序。

S5：判断父代种群中是否至少存在一个个体的适应度大于预设的适应度阈值，若父代种群中至少存在一个个体的适应度大于预设的适应度阈值，则输出最优解，最优解为适应度最大值对应的虚拟电厂各可控负荷的调度方案。

若父代种群中个体的适应度都不大于预设的适应度阈值，则迭代次数加1。判断迭代次数是否大于预设的迭代次数，若迭代次数大于预设的迭代次数，则将父代种群中适应度最大的个体作为最优解输出，若迭代次数不大于预设的迭代次数，则执行S6。

S6：对父代种群进行选择、交叉、变异得到新的数量为N的子代种群，计算子代种群个体的适应度并排序，将子代种群中适应度大的个体替换父代种群中适应度小的个体，将替换后新生成的种群作为父代种群，重复执行S4-S6。

在本实施例中，预设的迭代次数、预设的适应度阈值可以根据实际情况设定并修改。映射关系为：若运行成本越低、碳排放量越小，则适应度越高且非负。本申请通过对初始解进行微调可以获取N-1个准确度较高的个体，将微调后的个体与初始解进行合并获得的父代种群，可以实现初始解的有效利用。初始解的有效利用既可以提高准确度，又可以可以减少寻优过程中的迭代次数，减少计算量。在本实施例S5中，首先，判断父代种群中是否至少存在一个个体的适应度大于预设的适应度阈值，基于上述判断条件可以判断是否存在最优解。其次，在父代种群中个体的适应度都不大于预设的适应度阈值时，可以通过判断迭代次数是否大于预设的迭代次数来结束寻优，减少迭代次数、控制寻优时间。本实施例中的两条判断条件既可以获得适应度最大的个体，又可以将寻优时间控制在合理的范围内，实现准确、快速求解。在本实施例S6中，通过子代种群中适应度高的个体替换父代种群中适应度小的个体，可以去除掉子代种群和父代种群中适应度小的个体，使新生成的种群适应度普遍较高，保证了寻优过程中种群个体的准确度。

在一种可能的实现方式中，虚拟电厂运行调度模型的建立方法，包括：

获取目标区域内虚拟电厂的碳排放配额。

以运行成本最低为目标，构建第一目标函数。

以碳排放量最小为目标，构建第二目标函数。

基于目标区域内虚拟电厂的碳排放配额、虚拟电厂各设备的单位发电成本和单位碳排放量，确定虚拟电厂运行调度模型的约束条件。

基于第一目标函数、第二目标函数和约束条件，建立虚拟电厂运行调度模型。

在本实施例中，虚拟电厂运行调度模型的约束条件还包括：虚拟电厂运行约束数据。运行成本可以通过计算发电机组运行成本、储能设备运行成本、用电设备运行成本和主网购电成本获得。碳排放量可以通过计算发电机组碳排放量、储能设备碳排放量和用电设备碳排放量获得。

在一种可能的实现方式中，第一目标函数为：

f

其中，f

第二目标函数为：

f

其中，f

在本实施例中，虚拟电厂中存在各类能源的发电机组、各种类型的储能设备和各种类型的用电设备，为提高第一目标函数和第二目标函数计算的准确度需要计算各设备的单位发电成本和单位碳排放量。

发电机组运行成本为a×f

发电机组的单位发电成本为：

其中，f

储能设备的单位放电成本为：

其中，f

用电设备的单位用电成本为：

其中，f

在一种可能的实现方式中，单位碳排放量的确定方法，包括：

获取虚拟电厂各设备的历史数据。

对各设备的历史数据进行分析，得到各类能源的发电机组的历史能源消耗量和历史发电量、各种储能设备的历史电量消耗量和历史放电量，以及各种用电设备的历史电量消耗量。

对各类能源的发电机组的历史能源消耗量进行碳含量核算，得到发电机组的历史碳排放量。基于发电机组的历史碳排放量和历史发电量，确定发电机组的单位碳排放量。

对各种储能设备的历史电量消耗量进行碳含量核算，得到储能设备的历史碳排放量。基于储能设备的历史碳排放量和历史放电量，确定储能设备的单位碳排放量。

对各种用电设备的历史电量消耗量进行碳含量核算，得到用电设备的历史碳排放量。基于用电设备的历史碳排放量和历史电量消耗量，确定用电设备的单位碳排放量。

在本实施例中，各类能源的发电机组包括：常规发电机组和新能源发电机组。其中，常规发电机组主要以传统能源(煤炭、原油、天然气、水能等)进行发电，新能源发电机组主要包括风力发电机组和光伏发电机组。各种储能设备包括：机械储能设备、电化学储能设备和电气储能设备等，日常生活中主要使用电化学储能设备，例如，汽车充电桩、铅酸蓄电池、锂离子电池等。各种用电设备包括：家用用电设备、企业用电设备和工业用电设备等。

在一种可能的实现方式中，根据虚拟电厂的历史数据，确定预测日对应的相似日，包括：

获取历史日内用电量的各影响因素和各影响因素值。

根据各影响因素值的波动性和相关性计算各影响因素的影响权重。

获取预测日的各影响因素值。

根据预测日的各影响因素值、影响权重、历史日内用电量的各影响因素值确定预测日对应的相似日。

各影响因素包括：气象因素和非气象因素。

在本实施例中，需要对历史日内用电量的各影响因素值进行预处理，预处理可以包括：缺失值补全、连续型异常值修正、离散型异常值修正、标准化处理和归一化处理。

在本实施例中，根据预测日的各影响因素值、影响权重、历史日内用电量的各影响因素值计算历史日和预测日的相似度。可以通过计算影响权重获得各影响因素对用电量的影响程度，可以通过CRITIC权重法计算各影响因素的影响权重，CRITIC权重法根据各影响因素值的波动性(对比强度)和各影响因素之间的相关性进行权重计算，可以客观的实现各影响因素的影响权重的赋值，不需要人为确定，考虑到了各影响因素之间的相关性，计算的相似度更加准确，提高了相似日确定的准确度。

在本实施例中，相似度的确定方法可以包括但不限于：欧氏距离、皮尔逊相关系数、曼哈顿距离、余弦相似度以及动态时间规整算法。各影响因素可以包括：当日最高、最低温度、当日最高、最低湿度、风向、风速、天气状况等气象因素，季节、日类型(工作日、节假日、周休日)、经济发展水平、相关政策等非气象因素。例如，以欧氏距离为例，本实施例历史日和预测日的相似度确定方法为：

其中，s为历史日和预测日的相似度，r为影响因素编号，x

在一种可能的实现方式中，基于目标区域内虚拟电厂的碳排放配额、虚拟电厂各设备的单位发电成本和单位碳排放量，确定虚拟电厂运行调度模型的约束条件，包括：

根据碳排放配额建立碳排放配额约束条件：f

根据碳排放量计算温室气体浓度建立浓度约束条件：y

根据发电机组的发电量、储能设备的放电量、主网的购电量和用电设备的用电量建立电量约束条件：P

其中，f

其中虚拟电厂运行调度模型的约束条件，还包括：虚拟电厂运行约束数据。

在本实施例中，通过碳排放配额建立的碳排放配额约束条件可以有效控制碳排放，避免虚拟电厂以超出碳排放配额的调度方案运行。温室气体包括：二氧化碳、甲烷、氧化亚氮、氢氟碳化物、全氟化碳、六氟化硫等。例如，六氟化硫对应的环境指标包括：操作间空气中六氟化硫气体的允许浓度不大于6g/m

在本实施例中，虚拟电厂运行约束数据包括：功率平衡约束，节点电压约束，常规发电机组的出力上下限和爬坡速率约束，可控负荷的调节上下限和调节速率约束，储能设备的充放电功率约束，风力发电的最大出力约束和光伏发电的最大出力约束。

示例性的，功率平衡约束为虚拟电厂发电量和负荷量的差值等于虚拟电厂与主网之间的调度电量。虚拟电厂与主网之间的调度电量为主网的购电量。

示例性的，节点电压约束为虚拟电厂内各节点的节点电压满足电压标准。例如，各节点的节点电压的变化范围应满足50±0.2Hz。

示例性的，常规发电机组的出力上下限应满足设计标准。如常规发电机组的输出功率大于最小限值，小于最大限值。常规发电机组的爬坡速率应小于设定值。

示例性的，可控负荷的调节上下限约束为可控负荷的调节功率应大于最小限值小于最大限值。可控负荷的调节功率的最小限值和最大限值应根据可控负荷的运行情况确定。

示例性的，储能设备的充放电功率约束为储能设备的充电功率和放电功率应满足大于最小限值，小于最大限值。

示例性的，风力发电的最大出力约束为风力发电的输出功率应小于最大限值。

示例性的，光伏发电的最大出力约束。为光伏发电的输出功率应小于最大限值。

在本申请实施例中，综合考虑到了运行成本和碳排放因素，确定的调度方案控制预测日内虚拟电厂各可控负荷的运行，可以以较低成本实现碳减排目标。在数据量相同时，本申请方案的迭代次数更少。本申请通过计算各设备的单位碳排放量和单位发电成本可以获得更加准确的碳排放量和运行成本，将虚拟电厂运行调度模型在相似日的解，作为虚拟电厂运行调度模型在预测日的初始解，基于初始解对虚拟电厂运行调度模型进行寻优可以实现初始解的有效利用，同时有效提高虚拟电厂运行调度模型的准确度，增强调度方案的适用性，提升虚拟电厂运行时节能减排的效果。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

以下为本申请的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。

图2示出了本申请实施例提供的虚拟电厂运行调度装置的结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分，详述如下：

如图2所示，虚拟电厂运行调度装置20包括：

相似日确定模块21，用于根据虚拟电厂的历史数据，确定预测日对应的相似日。

模型建立模块22，用于获取虚拟电厂各设备的单位发电成本和单位碳排放量以及预先建立的虚拟电厂运行调度模型。其中，虚拟电厂运行调度模型用于根据其输入参数确定虚拟电厂各可控负荷的调度方案。

初始解确定模块23，用于获取虚拟电厂运行调度模型在相似日的解，将在相似日的解作为虚拟电厂运行调度模型在预测日的初始解。

调度方案确定模块24，用于基于初始解对虚拟电厂运行调度模型进行寻优，得到预测日内虚拟电厂各可控负荷的调度方案。

在一种可能的实现方式中，调度方案确定模块24，用于基于初始解对虚拟电厂运行调度模型进行寻优，得到预测日内虚拟电厂各可控负荷的调度方案。

用于基于初始解对虚拟电厂运行调度模型进行寻优，得到预测日内虚拟电厂各可控负荷的调度方案，包括：

S1：对初始解进行微调得到种群数量为N-1的种群R

S2：初始化迭代次数：t＝1。

S3：根据映射关系构建适应度函数，预先设置适应度阈值。

S4：计算父代种群个体的适应度，将父代种群的个体按照适应度大小进行排序。

S5：判断父代种群中是否至少存在一个个体的适应度大于预设的适应度阈值，若父代种群中至少存在一个个体的适应度大于预设的适应度阈值，则输出最优解，最优解为适应度最大值对应的虚拟电厂各可控负荷的调度方案。

若父代种群中个体的适应度都不大于预设的适应度阈值，则迭代次数加1。判断迭代次数是否大于预设的迭代次数，若迭代次数大于预设的迭代次数，则将父代种群中适应度最大的个体作为最优解输出，若迭代次数不大于预设的迭代次数，则执行S6。

S6：对父代种群进行选择、交叉、变异得到新的数量为N的子代种群，计算子代种群个体的适应度并排序，将子代种群中适应度大的个体替换父代种群中适应度小的个体，将替换后新生成的种群作为父代种群，重复执行S4-S6。

在一种可能的实现方式中，模型建立模块22，用于确定虚拟电厂运行调度模型的建立方法。

确定虚拟电厂运行调度模型的建立方法，包括：

获取目标区域内虚拟电厂的碳排放配额。

以运行成本最低为目标，构建第一目标函数。

以碳排放量最小为目标，构建第二目标函数。

基于目标区域内虚拟电厂的碳排放配额、虚拟电厂各设备的单位发电成本和单位碳排放量，确定虚拟电厂运行调度模型的约束条件。

基于第一目标函数、第二目标函数和约束条件，建立虚拟电厂运行调度模型。

在一种可能的实现方式中，模型建立模块22，用于确定第一目标函数和第二目标函数。

第一目标函数为：

f

其中，f

第二目标函数为：

f

其中，f

在一种可能的实现方式中，模型建立模块22，用于确定单位碳排放量。

单位碳排放量的确定方法，包括：

获取虚拟电厂各设备的历史数据。

对各设备的历史数据进行分析，得到各类能源的发电机组的历史能源消耗量和历史发电量、各种储能设备的历史电量消耗量和历史放电量，以及各种用电设备的历史电量消耗量。

对各类能源的发电机组的历史能源消耗量进行碳含量核算，得到发电机组的历史碳排放量。基于发电机组的历史碳排放量和历史发电量，确定发电机组的单位碳排放量。

对各种储能设备的历史电量消耗量进行碳含量核算，得到储能设备的历史碳排放量。基于储能设备的历史碳排放量和历史放电量，确定储能设备的单位碳排放量。

对各种用电设备的历史电量消耗量进行碳含量核算，得到用电设备的历史碳排放量。基于用电设备的历史碳排放量和历史电量消耗量，确定用电设备的单位碳排放量。

在一种可能的实现方式中，相似日确定模块21，用于根据虚拟电厂的历史数据，确定预测日对应的相似日。

根据虚拟电厂的历史数据，确定预测日对应的相似日，包括：

获取历史日内用电量的各影响因素和各影响因素值。

根据各影响因素值的波动性和相关性计算各影响因素的影响权重。

获取预测日的各影响因素值。

根据预测日的各影响因素值、影响权重、历史日内用电量的各影响因素值确定预测日对应的相似日。

各影响因素包括：气象因素和非气象因素。

在一种可能的实现方式中，模型建立模块22，用于基于目标区域内虚拟电厂的碳排放配额、虚拟电厂各设备的单位发电成本和单位碳排放量，确定虚拟电厂运行调度模型的约束条件。

基于目标区域内虚拟电厂的碳排放配额、虚拟电厂各设备的单位发电成本和单位碳排放量，确定虚拟电厂运行调度模型的约束条件，包括：

根据碳排放配额建立碳排放配额约束条件：f

根据碳排放量计算温室气体浓度建立浓度约束条件：y

根据发电机组的发电量、储能设备的放电量、主网的购电量和用电设备的用电量建立电量约束条件：P

其中，f

其中虚拟电厂运行调度模型的约束条件，还包括：虚拟电厂运行约束数据。

图3是本申请实施例提供的虚拟电厂运行调度终端的示意图。如图3所示，该实施例的终端30包括：处理器31、存储器32以及存储在存储器32中并可在处理器31上运行的计算机程序33。处理器31执行计算机程序33时实现上述各个虚拟电厂运行调度方法实施例中的步骤，例如图1所示的101至104。或者，处理器31执行计算机程序33时实现上述各装置实施例中各模块的功能，例如图2所示模块21至24的功能。

示例性的，计算机程序33可以被分割成一个或多个模块，一个或者多个模块被存储在存储器32中，并由处理器31执行，以完成本申请。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序33在终端30中的执行过程。例如，计算机程序33可以被分割成图2所示的模块21至24。

终端30可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端30可包括，但不仅限于，处理器31、存储器32。本领域技术人员可以理解，图3仅仅是终端30的示例，并不构成对终端30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端还可以包括输入输出设备、网络接入设备、总线等。

所称处理器31可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器32可以是终端30的内部存储单元，例如终端30的硬盘或内存。存储器32也可以是终端30的外部存储设备，例如终端30上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器32还可以既包括终端30的内部存储单元也包括外部存储设备。存储器32用于存储计算机程序以及终端所需的其他程序和数据。存储器32还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个虚拟电厂运行调度方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上实施例仅用以说明本申请的技术方案，而非对其限制。尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。